基于图像模式的肺结节识别

将矩阵化最小二乘支持向量机算法应用于肺结节识别的研究,将图像矩阵作为输入,可解决空间信息丢失问题。实验选用20套CT影像,用提取出的20个结节与20个假阳测试分类器性能。正则化参数用网格搜索方法进行交叉验证,从而得到线性核下的最优参数。实验结果验证了此种方法在肺结节检测中应用的可行性及有效性。

多核学习矩阵化最小二乘支持向量机算法及肺结节识别

针对传统肺结节识别中对感兴趣区域(ROI)进行特征计算时造成的一些隐含结构信息丢失的问题,提出了矩阵输入模式的多核学习矩阵化最小二乘支持向量机识别算法(MKLMatLSSVM)。该算法将多核方法与矩阵化最小二乘支持向量机(MatLSSVM)相结合,继承了二者优点,涵盖了多种类型的核。为验证算法的有效性,将其应用于肺结节识别。实验采用20个患者的CT图像,提取的ROI中含80个结节及190个假阳。结果表明,MKL-MatLSSVM算法在使用混合核及RBF核时,能兼顾敏感度、准确度和特异度指标,且其接收者操作特征(ROC)曲线下面积均可达到0.96以上,优于先前两种包括MatLSSVM在内的支持向量机(SVM)算法。